自适应第二章模型参考自适应辨识_第1页
自适应第二章模型参考自适应辨识_第2页
自适应第二章模型参考自适应辨识_第3页
自适应第二章模型参考自适应辨识_第4页
自适应第二章模型参考自适应辨识_第5页
已阅读5页,还剩17页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、第二章 模型参考自适应辨识,2.0 系统辨识,一、定义:根据对已知输入信号的输出响应的观测,在指定一类系统的范围内确定一个与被辨识对象等价的系统。,在系统辨识过程中,必须确定三方面的问题: 1 、必须规定一类输入信号,辨识是在某一特定输入信号下进行的。通常的输入信号:正弦、阶跃、脉冲、白噪声等。,2、必须指定被辨识系统属于哪一类系统。依据我们事先掌握的关于所要辨识的系统的知识,确定是线性的还是非线性的,是时变还是时不变的,参数是定常的还是时变的,是确定性还是随机性,是连续系统还是离散系统等。,3、必须规定等价的含义。对于两个系统,仅仅当对于所有可能的输入值,它们的输入输出关系完全相同时,系统才

2、是等价的。,辨识问题分为两类:,1、黑箱问题(完全辨识问题):被辨识系统的基本特性完全未知。辨识这类系统很困难,目前尚无有效的办法。,2、灰箱问题(不完全辨识问题):系统的某些特性已知。,这种情况下,系统辨识简化成阶的辨识和参数估计问题。,二、辨识步骤,由于辨识目的不同,辨识精度要求以及模型型式等就不同。,试验设计包括:变量的选择;采用何种输入信号(包括信号大小);采样速率(时间间隔大小)等。,参数估计是系统辨识中最主要的部分。方法:最小二乘法;极大似然法等。,模型的有效性、正确性只能通过试验来验证。,系统辨识是研究如何用试验分析的方法,来建立系统的数学模型的一门学科。,三、参考模型辨识方法,

3、自适应辨识图:,方法:模型和对象的状态偏差e,自适应律,调整模型参数,模型和对象的方程完全匹配,比较:模型参考自适应控制,调整控制器参数,自适应律,过程:e,可调系统和模型完全匹配,e,2.1 一阶系统的辨识,1. 自适应律的推导,被辨识对象:,参考模型:,目的:辨识对象参数,方法:利用可以获取的对象输入r(t)和输出yp(t)构成一个对模型的控制信号u(t),使模型的输出ym(t)完全跟踪对象输出yp(t)。,一阶系统的模型参考自适应辨识结构,模型输入:,对象:,可调系统:,令:,求导:,令:,(输出误差方程),令:,(可调参数向量),(参数希望值常数),(输入信号向量),令参数误差:,系统

4、输出误差方程:,用李氏稳定性定理判断其稳定性:,求平衡点,构造李氏函数,求导,渐近稳定要求:,要求:参考输入r(t)持续激励频率成分丰富,激励时间长。,2、系统结构,图2.2 自适应律的实现(参数调节),调整过程:,可调系统等同被辨识对象。,图2.3 图2.2之等价结构(信号调节),若直接调节参数a0(t),b0(t)不方便,可用自适应律产生附加控制信号来代替。,2.2 模型参考自适应辨识(高阶),一、辨识问题的提法,1、对象(单输入单输出线性时不变),传函:,首1互质多项式,n-m1,首1:最高次项系数为1; n-m(相对阶次):分母阶次分子阶次,2、参考输入r(t),分段连续函数、有界,3、参考模型,首1互质多项式,1k-Ln-m,二、辨识器的结构,1、辨识器的存在性(可证明且是唯一的),必须使可调系统和对象传函相等,则可达到要求,2、具体结构(三阶为例),(1)前馈滤波器(状态向量表示),前馈滤波器状态方程:,调节到位时有:,前馈滤波器(传函表示),2、反馈滤波器,调节到位时有:,反馈滤波器(传函表示),3、模型参考辨识器结构,(可观测信号),参数向量:,调整到位时,系统标称参数向量:,令参数误差:,辨识器输出:,对象输出(为什

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论